[發(fā)明專利]一種基于QPSO算法的電動汽車充電策略優(yōu)化方法

在審

• 申請?zhí)枺?/td>: 202110325216.5
• 申請日: 2021-03-26
• 公開（公告）號: CN112874368A
• 公開（公告）日: 2021-06-01
• 發(fā)明（設(shè)計）人: 雷雪婷;徐明宇;陳曉光;胡遠(yuǎn)婷;劉進(jìn);關(guān)萬琳;曹融;榮爽;崔佳鵬;張睿;張美倫;劉智洋;鄭君;張明江
• 申請（專利權(quán)）人: 國網(wǎng)黑龍江省電力有限公司電力科學(xué)研究院;國家電網(wǎng)有限公司
• 主分類號: B60L53/51
• 分類號: B60L53/51;B60L53/63;B60L53/64;H02J3/32;H02J3/38
• 代理公司: 哈爾濱市松花江專利商標(biāo)事務(wù)所 23109
• 代理人: 董玉嬌

1.一種基于QPSO算法的電動汽車充電策略優(yōu)化方法，其特征在于，該充電策略優(yōu)化方法包括以下步驟：

步驟一、建立電動汽車充電的微電網(wǎng)模型；

步驟二、定義微電網(wǎng)模型的優(yōu)化目標(biāo)函數(shù)；

步驟三、根據(jù)步驟二定義的優(yōu)化目標(biāo)函數(shù)，得到電動汽車充電策略；

步驟四、基于QPSO算法對步驟三得到的電動汽車充電策略進(jìn)行優(yōu)化。

2.根據(jù)權(quán)利要求1所述的一種基于QPSO算法的電動汽車充電策略優(yōu)化方法，其特征在于，步驟一中微電網(wǎng)模型包括儲能系統(tǒng)、光伏發(fā)電系統(tǒng)、并網(wǎng)系統(tǒng)、能量管理系統(tǒng)和電動汽車充電系統(tǒng)。

3.根據(jù)權(quán)利要求2所述的一種基于QPSO算法的電動汽車充電策略優(yōu)化方法，步驟二中的優(yōu)化目標(biāo)函數(shù)包括：電動汽車充電價格和電動汽車充電系統(tǒng)消耗總電量中光伏發(fā)電系統(tǒng)提供電量所占比例。

4.根據(jù)權(quán)利要求3所述的一種基于QPSO算法的電動汽車充電策略優(yōu)化方法，其特征在于，電動汽車充電系統(tǒng)消耗總電量中光伏發(fā)電系統(tǒng)提供電量所占比例用公式(1)表示；

所述公式(1)為：

式中，PNTC為電動汽車充電系統(tǒng)消耗總電量中光伏發(fā)電系統(tǒng)提供電量所占比例，Q_PV為光伏發(fā)電系統(tǒng)產(chǎn)生的電能用于對電動汽車充電系統(tǒng)充電的電量，Q_EV為電動汽車充電系統(tǒng)消耗電能的總電量。

5.根據(jù)權(quán)利要求3所述的一種基于QPSO算法的電動汽車充電策略優(yōu)化方法，其特征在于，步驟三中得到電動汽車充電策略的具體方法為：

步驟三一、根據(jù)日前光伏發(fā)電功率預(yù)測結(jié)合電動汽車充電需求，確定微電網(wǎng)模型中儲能系統(tǒng)初始SOC；

步驟三二、設(shè)置微電網(wǎng)模型中QPSO算法的粒子維度；

步驟三三、計算QPSO算法的吸引子；

步驟三四：對QPSO算法中粒子的位置進(jìn)行更新，并設(shè)置創(chuàng)新參數(shù)；

步驟三五：得到電動汽車充電策略。

6.根據(jù)權(quán)利要求3所述的一種基于QPSO算法的電動汽車充電策略優(yōu)化方法，其特征在于，步驟四中基于QPSO算法對電動汽車充電策略進(jìn)行優(yōu)化的具體方法為：

步驟四一、獲取光伏發(fā)電系統(tǒng)發(fā)電量的預(yù)測曲線；

步驟四二、通過光伏發(fā)電系統(tǒng)的發(fā)電量與電動汽車充電系統(tǒng)用電量進(jìn)行對比，并得到兩者的缺額，根據(jù)兩者的缺額確定儲能系統(tǒng)的初始SOC；

步驟四三、在微電網(wǎng)模型中輸入光伏發(fā)電系統(tǒng)的功率及電動汽車充電系統(tǒng)的初始SOC；

步驟四四、初始化粒子群參數(shù)和種群位置；

步驟四五、更新粒子位置，并判斷選擇粒子是否符合微電網(wǎng)模型，如果不符合，則執(zhí)行步驟四六；如果符合，則執(zhí)行步驟四七；

步驟四六、設(shè)置罰函數(shù)，并對適應(yīng)度值進(jìn)行約束，然后執(zhí)行步驟四七；

步驟四七、評估適應(yīng)度值，并更新粒子最優(yōu)位置；

步驟四八、判斷前種群的最優(yōu)值是否大于當(dāng)前種群的全局最優(yōu)值，如果前種群的最優(yōu)值大于當(dāng)前種群的全局最優(yōu)值，則執(zhí)行步驟四十；否則，執(zhí)行步驟四九；

步驟四九、更新全局最優(yōu)粒子位置，然后執(zhí)行步驟四十；

步驟四十、判斷迭代次數(shù)是否達(dá)到最大；如果否，則返回執(zhí)行步驟四五；如果是，則得到全局最優(yōu)的粒子，并輸出最優(yōu)充電策略，完成對電動汽車充電策略的優(yōu)化。